表面粗さのデータマイニング分析 – アプライド マテリアルズ表面粗さはデバイスの電気的性能を低下させ、その寿命に影響を与えるため、表面粗さは半導体およびディスプレイ産業における欠陥レベルの重要な尺度です。機械加工プロセスにおける表面粗さのプロセス不良の原因はさまざまですが、表面粗さ指標を包括的に評価および分析できる有効なモデルが不足しているため、プロセスを改善する上で大きな課題に直面しています。 このプロジェクトは、効率的な根本原因分析とプロセス調整のために、表面粗さ測定指標を非正規分布モデルと接続するための JMP 分析パッケージを確立することを目的としています。 このプロジェクトでは、 JMP ランダム シミュレーションプラットフォームを使用して粗さZ プロファイルデータを 6 つの非正規分布モデルに分割します。 (1) 均一 (3) 右傾斜 (5) ) 双峰性; (6) 外れ値 (3%)。5 つの表面粗さ測定指標 (Ra、Rz、Rp、Rv、Rk)と分布を表す 8 つの統計パラメータが計算されました。階層的クラスター、K 平均法クラスター、正規混合、クラスター変数、多変量相関、主成分分析、モデル駆動管理図などのさまざまなクラスタリング手法が比較され、6 つの非正規分布モデルを効果的に組み合わせることができるかどうかが確認されました。尾部クラスタと離散点、および13 個の変数がピーク クラスタリング、非対称クラスタリング、および軽尾部クラスタリングに分割されました。表面粗さ測定指標と非正規分布モデルとの関係を効果的に区別して予測します。 JMP表面粗さデータ マイニングプロジェクトは、プロセス障害の原因を効果的に検出できるため、プロセスのデバッグ時間を短縮できます。さらに、社内に部門横断的な強力な JMP 表面粗さ分析チームを構築し、データベース (粗さ、生の Zプロファイル、粗さ測定、プロセス調整) を構築し、アプライド マテリアルズ全社の予測モデルを開発しました。
